Notice bibliographique
Résumé
Many types and sizes of cranes are used to lift and move heavy materials in construction sites. The technology used in cranes has improved dramatically in the past decades in a way that this technology has, in many ways, outstripped the ability of people to use the machines safely. This misusage makes crane's accidents one of the more severe and highly visible construction accidents. Heavy reliance must be placed on the factors aecting crane safety that may dier with its impact and severity from one project to another. The presented research in this paper establishes a methodology for assessing and evaluating crane safety in construction site by introducing a crane safety index (CSI) model using two dierent decision-making methodologies: Analytic Hierarchy process (AHP) and Fuzzy Logic. The goal of the developed model is to help planners improve crane operation and meet safety requirements. In order to achieve this goal, a survey was conducted aiming at assessing the factors that aect crane operation. The CSI was designed and applied to the collected data to obtain a safety index value. The presented research is vital for planners (contractors) because it gives them a fast, accurate, and advanced tool for obtaining a CSI. The index indicates the performance of crane safety operation in construction sites, allowing for a chance to spot and encompass the factors causing hazardous circumstances, and the possibility to enhance the crane safety plan.
Conservé avec la notice de tri, où il sert de preuve aux étiquettes ci-dessus.
Comment cette classification a été obtenuedéplier
Le tri à trois modèles
les 5 600 travaux triés →Les trois modèles l'ont jugé hors champ.
Develops an AHP/fuzzy-logic crane safety index for construction sites; the object is site safety, not research.
The study develops a construction-crane safety index and does not study research practice.
Construction-site crane safety index using AHP and fuzzy logic; occupational safety domain.
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».